Abstract
El uso creciente de plataformas de mensajería instantánea en entornos empresariales ha incrementado su exposición a ciberataques como el phishing, la ingeniería social y el spam, lo que genera la necesidad de soluciones automáticas, asequibles y que garanticen la privacidad de los datos. En este contexto, el principal problema radica en la dependencia de servicios en la nube y en la falta de herramientas eficientes que puedan operar en hardware de bajo coste sin
comprometer la soberanía de la información.
Como respuesta a este desafío, se propone el diseño, implementación y despliegue de un sistema de detección de amenazas en mensajes de Telegram capaz de ejecutarse de forma local. El sistema integra cuatro componentes principales orquestados mediante Docker Compose: Suricata IDS para la monitorización del tráfico de red, TinyLlama como modelo de lenguaje ligero para el análisis semántico de mensajes, MongoDB para el almacenamiento persistente de las amenazas detectadas y un bot en Python como interfaz de usuario dentro de la propia plataforma Telegram. Todo el sistema se despliega sobre una Raspberry Pi 5 con 16 GB de RAM. El pipeline de análisis combina heurísticas basadas en expresiones regulares con inferencia local del modelo, cuyos resultados se ponderan mediante una fórmula específica.
Los resultados obtenidos muestran una tasa de clasificación correcta del 100 % en el conjunto de pruebas definido, con tiempos de respuesta de entre 30 y 45 segundos en CPU ARM. Durante el desarrollo, se abordaron retos técnicos asociados al hardware limitado, como la optimización de la memoria mediante cgroups, la selección del modelo de IA más adecuado y la gestión de la concurrencia asíncrona en Python.
En conclusión, este trabajo demuestra la viabilidad de implementar sistemas inteligentes de ciberseguridad en infraestructuras de bajo coste, ofreciendo una alternativa eficiente y respetuosa con la privacidad para entornos empresariales sin acceso a soluciones basadas en la nube.
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Rey Juan Carlos
URL external
External URL
DOI
Date
Description
Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2025/2026. Directores/as: Liliana Patricia Santacruz Valencia
Keywords
Citation
Collections
Endorsement
Review
Supplemented By
Referenced By
Document viewer
Select a file to preview:
Reload



